Question

我需要创建一个我创建的列表并找到最接近的两个点并打印出来。如何比较列表中的每个点？

没有任何需要绘制或任何东西，只需比较点并找到列表中最接近的两个。

import math # 'math' needed for 'sqrt'

# Distance function
def distance(xi,xii,yi,yii):
    sq1 = (xi-xii)*(xi-xii)
    sq2 = (yi-yii)*(yi-yii)
    return math.sqrt(sq1 + sq2)

# Run through input and reorder in [(x, y), (x,y) ...] format
oInput = ["9.5 7.5", "10.2 19.1", "9.7 10.2"] # Original input list (entered by spacing the two points).
mInput = [] # Manipulated list
fList = [] # Final list
for o in oInput:
    mInput = o.split()
    x,y = float(mInput[0]), float(mInput[1])
    fList += [(x, y)] # outputs [(9.5, 7.5), (10.2, 19.1), (9.7, 10.2)]

Answer 1

重写distance()函数以将两个(x, y)元组作为参数更方便：

def distance(p0, p1):
    return math.sqrt((p0[0] - p1[0])**2 + (p0[1] - p1[1])**2)

现在您要迭代列表fList中的所有点对。函数iterools.combinations()用于此目的很方便：

min_distance = distance(fList[0], fList[1])
for p0, p1 in itertools.combinations(fList, 2):
    min_distance = min(min_distance, distance(p0, p1))

另一种方法是定义distance()以接受单个参数中的点对

def distance(points):
    p0, p1 = points
    return math.sqrt((p0[0] - p1[0])**2 + (p0[1] - p1[1])**2)

并将key参数用于内置min()函数：

min_pair = min(itertools.combinations(fList, 2), key=distance)
min_distance = distance(min_pair)

Answer 2

我意识到这个问题存在库约束，但是为了完整性，如果你在Nx2 numpy ndarray（2D系统）中有N个点：

from scipy.spatial.distance import pdist
x = numpy.array([[9.5,7.5],[10.2,19.1],[9.7,10.2]])
mindist = numpy.min(pdist(x))

我总是试图鼓励人们使用numpy / scipy，如果他们正在处理最好存储在数值数组中的数据，并且很高兴知道这些工具可以在那里供将来参考。

Answer 3

请注意math.sqrt函数速度很慢，在这种情况下是不必要的。尝试比较平方距离以加快速度（排序距离与距离平方将始终产生相同的排序）：

def distSquared(p0, p1):
    return (p0[0] - p1[0])**2 + (p0[1] - p1[1])**2

Answer 4

您的固定代码。没有有效的算法，只有蛮力的算法。

import math # math needed for sqrt

# distance function
def dist(p1, p2):
    return math.sqrt((p2[0] - p1[0]) ** 2 + (p2[1] - p1[1]) ** 2)

# run through input and reorder in [(x, y), (x,y) ...] format
input = ["9.5 7.5", "10.2 19.1", "9.7 10.2"] # original input list (entered by spacing the two points)
points = [map(float, point.split()) for point in input] # final list

# http://en.wikipedia.org/wiki/Closest_pair_of_points
mindist = float("inf")
for p1, p2 in itertools.combinations(points, 2):
    if dist(p1, p2) < mindist:
        mindist = dist(p1, p2)
        closestpair = (p1, p2)

print(closestpair)

Answer 5

这可能有效：

oInput = ["9.5 7.5", "10.2 19.1", "9.7 10.2"]

# parse inputs
inp = [(float(j[0]), float(j[1])) for j in [i.split() for i in oInput]]

# initialize results with a really large value
min_distance = float('infinity')
min_pair = None

# loop over inputs
length = len(inp)
for i in xrange(length):
    for j in xrange(i+1, length):
        point1 = inp[i]
        point2 = inp[j]

        if math.hypot(point1[0] - point2[0], point1[1] - point2[0]) < min_distance:
            min_pair = [point1, point2]

一旦完成循环，min_pair应该是距离最小的一对。

使用float（）来解析文本会留下改进的空间。

math.hypot比计算手写python函数中的距离快大约三分之一

Answer 6

首先，一些注意事项：

a**2 # squares a
(xi - xii)**2 # squares the expression in parentheses.

mInput不需要提前申报 fList.append((x, y))比使用+=更加pythonic。

现在你有fList。您的距离函数可以被重写为2个2元组（点）参数，我不会在这里打扰。

然后你可以写：

shortest = float('inf')
for pair in itertools.combinations(fList, 2):
    shortest = min(shortest, distance(*pair))

Answer 7

以上许多问题建议使用math.sqrt查找平方根，这很慢，而且不是查找平方根的好方法。尽管使用了这种方法，但只要回想一下学校的基本概念即可：考虑取任何正数x的平方根。然后将平方根写为二分之一的幂：x1 / 2。因此，分数指数表示要取某根。

所以不要使用math.sqrt((p0[0] - p1[0])**2 + (p0[1] - p1[1])**2)

使用

def distance(a,b):
  euclidean_distance = ((b[0]-a[0])**2 + (a[1]-a[1])**2)**0.5
  return(euclidean_distance)

希望有帮助

列表中两点之间的距离公式

7 个答案: